目的:可变剪切（Alternative splicing,AS）事件是前体RNA转录后修饰的重要形式,人类超过90%的基因被AS事件修饰。近年来,大量研究报道了AS事件在人类疾病,尤其是恶性肿瘤中所扮演的重要角色,其与肿瘤发生、发展及耐药具有密不可分的关系。随着高通量测序技术的发展,大量研究聚焦于恶性肿瘤中AS事件的全基因组分析,并发现AS事件可以作为恶性肿瘤可靠的预后生物标志物。然而,作为青少年儿童中较为常见的肿瘤,软组织肉瘤（Soft tissue sarcoma,STS）与AS事件的相互作用关系尚不明确。材料与方法:我们从癌症基因图谱（The Cancer Genome Atlas,TCGA）数据库中提取STS队列（TCGA-SARC）的转录组数据、临床数据以及随访数据。AS事件数据从TCGASplice Seq数据库下载并采用PSI进行量化。采用单因素Cox回归分析、LASSO回归分析和多因素Cox回归分析确定与总体生存率（Overall survival,OS）或无病生存率（Disease free survival,DFS）相关的AS事件,并建立基于AS的预后预测模型。随后,利用Cox回归分析确定与STS患者预后相关的临床变量,并通过整合基于AS事件的预后预测模型及预后相关的临床变量建立临床预测模型（列线图）。采用受试者工作特征（Receiver operating characteristic,ROC）曲线、曲线下面积（Area under the curve,AUC）、校准曲线和决策曲线分析（Decision curve analysis,DCA）对临床预测模型进行评价。最后,我们使用CIBERSORT和ESTIMATE算法分别量化免疫细胞比例和肿瘤微环境评分,并利用无监督聚类算法对STS患者进行分子分型,以研究基于AS事件的STS分子分型与预后、免疫细胞和肿瘤微环境之间的关系。结果:195例患者纳入本研究。单因素分析确定了1945个和1831个分别于OS和DFS相关的AS事件。经过LASSO回归分析及多因素Cox回归分析筛选后,确定9个与STS患者OS独立相关的AS事件及8个与DFS独立相关的AS事件。在临床资料中,肿瘤多病灶指标和手术切缘情况分别被确定为与OS和DFS独立相关的临床指标。通过整合临床指标和基于AS事件的预后预测模型,我们建立了2个临床预测模型。用于预测STS患者OS的临床预测模型在3年、5年和7年的AUC分别为0.894、0.834和0.810,而用于预测DFS的临床预测模型在3年、5年和7年的AUC分别为0.808、0.833和0.807。2个预测模型的AUC值均高于临床变量或基于AS事件的预后预测模型。此外,校准曲线和DCA结果均表明2个临床预测模型均具有较强的临床适用性。通过无监督聚类分析,我们将STS患者分为3种分子分型。3种分子分型患者之间具有不同的预后情况,且3组患者之间巨噬细胞、肥大细胞、自然杀伤细胞、记忆T细胞、B细胞和中性粒细胞之间的差异具有统计学意义。在肿瘤微环境评分中,3组患者之间的免疫评分和基质评分的差异也具有统计学意义。结论:AS事件是STS患者可靠的预后生物标志物。基于AS事件的临床预测模型可以良好地预测STS患者的OS和DFS。且AS事件可能参与STS患者的免疫细胞组成和免疫微环境的重塑。